今年7月，当飓风贝丽尔（Beryl）掠过大西洋盆地时，这家科技公司的人工智能部门b谷歌Deepmind开发的天气预报工具发现了其他模型错过的东西。

　　Deepmind的人工智能驱动程序GraphCast预测，这场风暴将从墨西哥南部转向德克萨斯州南部，比传统预测早了近一周，结果是正确的。

　　这一戏剧性的预测显示了新的人工智能驱动的天气模型在破坏性飓风季节的前景，其中还包括“海伦”和“米尔顿”。随着季节的结束，气象机构和科技公司正在研究这些新模型如何与传统模型相比较。

　　早期的回报表明，人工智能能够准确地预测出惊人的轨迹，尽管模型仍需要提高其他指标的技能。

　　科学家们已经取得了令人难以置信的进步，他们使用基于物理学的模型来预测风暴。1970年，对飓风路径的三天预报平均误差520英里。今天，这个数字是当时的十分之一。

　　四天和五天预测直到2000年以后才开始出现，在过去的20年里也取得了巨大的进展。但物理驱动模型的显著改进速度正在放缓，就像气候变化正在加速一样。

　　“在这一领域取得进展变得越来越困难，”谷歌DeepMind的研究科学家拉姆（rsami Lam）说。

　　Beryl的预测只是人工智能如何突破飓风预报界限的一个最新亮点。本周在迈阿密举行的飓风预报改进会议上发表的一项分析研究了GraphCast从2021年到2024年的表现。

　　谷歌DeepMind的研究科学家费兰·阿莱（Ferran Alet）说，在风暴的头五天里，它击败了大西洋和太平洋飓风盆地的传统模型。它的预报比美国全球天气预报系统快12个小时。

　　然而，欧洲中期天气预报中心（ECMWF）的另一个人工智能驱动的模型预测，弗朗辛飓风将提前10天袭击路易斯安那州，远远早于大多数其他模型。

　　虽然它们擅长绘制风暴走向的图表，但这些模型在某种程度上忽略了其他关键因素，尤其是强度。GraphCast经过训练，通过平均来解决相互矛盾的预测，这往往会低估风速。

　　瑞安·凯斯勒（Ryan Keisler）在2022年发表的一篇论文被认为推动了最近的研究进展，他说，人工智能不被鼓励犯错，所以它们通常预测较低的风强度，而不是返回更高、更罕见、可能错误的结果。

　　但人工智能的好处正变得越来越明显，甚至超越了他们的赛道预测有多准确。

　　在一台机器上，GraphCast可以在一分钟内生成10天的天气预报，Lam说这台机器“比笔记本电脑大，但你可以把它拿在手里”。相比之下，标准模型在超级计算机上完成同样的工作大约需要一个小时。

　　GraphCast的准确率也比ECMWF（被认为是黄金标准）建立的基于物理的标准模型高出90%以上。

　　事实证明，DeepMind的方法是如此引人注目，以至于ECMWF借用它来开发自己的人工智能模型，该模型已经超越了该集团的传统模型。高级计算巨头英伟达的天气人工智能被称为FourCastNet，它属于该公司地球-2平台上可用的一套更大的工具，该平台被称为距太阳第三颗行星的“气候数字双胞胎”。

　　华为的Pangu-Weather项目在测试变量方面也优于欧洲中程标准，复旦大学的“伏羲”项目在15天预测方面优于欧洲中程标准。

　　主要的天气模型，如ECMWF和美国国家海洋和大气管理局的，是控制大气的物理方程的庞大目录。相比之下，人工智能模型不懂物理。相反，他们从神经网络或其他学习平台开始，并输入训练数据-全球每个点的大量数据。许多人依赖ECMWF的历史天气模拟数据库和观测数据。

　　ECMWF预计明年将在一般天气预报业务中使用该模型。但仍然会有基于物理的护栏。

　　ECMWF的机器学习协调员马修·钱特里（Matthew Chantry）表示：“我们并不打算关闭物理系统。”“目前，我们希望运行两个系统，这两个系统各有优缺点。”

　　最终，研究人员希望他们的人工智能产品能够帮助气象学家发布预报，从而更好地保护生命和财产。在阿塞拜疆巴库举行的第29届联合国气候变化大会上，与会者还讨论了人工智能如何帮助应对气候变化，这标志着围绕人工智能排放的讨论发生了转变。

　　俄克拉荷马大学（University of Oklahoma）的天气和人工智能专家艾米·麦戈文（Amy McGovern）参与了一项努力，以确保产品可以根据共同基准进行测试——这是一项关键的建立信任的活动。

　　“极端天气工作台”是她正在开发的一个系统的名字，作为创业公司Brightband的一部分，她是该公司首席人工智能和气象策略师，凯斯勒是首席科学家。

　　她预计，当该平台于明年初推出时，它将提供一个标准化的、开源的过去极端天气事件库，人们可以在那里测试人工智能模型之间的表现。

　　麦戈文说：“我们正在努力确保我们生成的东西是值得信赖的，”并发现“值得信赖意味着什么”。- - - - - -布隆伯格

　　×